用 Dify 智能体 + 思源笔记，轻松实现口语日记的高效记录与整理

每天写日记，一直是我的小小心愿。从学生时代的周记，到后来尝试用电子笔记记录日记，我始终无法坚持下来。问题出在哪儿呢？要么是一天忙到头，根本没机会坐在电脑前回顾一天的点滴；要么是移动端操作太繁琐，让我望而却步。于是，写日记这件事，总是写写停停，难以持续。

几次偶然的机会，我尝试用手机的语音识别功能，将语音转文字，再复制到思源笔记的日记中。这一试，我发现了一个奇妙的现象：通过语音记录的内容，比我手动打字写得更多，细节也更丰富。但问题也随之而来——效率更低了！因为口语化的文字需要花时间整理，这又让我打起了退堂鼓。

直到最近，我发现了智能体这个神奇的存在。利用大模型对文字的强大处理能力，结合自由设置的工作流，我终于找到了解决这个难题的钥匙。

工作流程

• 语音转文字：先用手机输入法的语音识别功能，将语音转化为文字。

• 文字处理与转换：将生成的文字发送给智能体，智能体再将文字传递给大模型，将其转换为书面语。
  （1）开始节点
  
  （2）大模型节点，选择了硅基流动的一个免费模型，具体参数和提示词自己再优化吧。提示词中使用上一步开始的参数

  

• 存储与归档：最后，利用思源笔记的 API，将转换后的文字存入相应的位置。

（1）HTTP 节点，如果有鉴权在 ① 中设置，② 的 data 使用上一步大模型的输出

（2）HTTP 请求的异常节点。上面是正常结束，就是大模型的输出，下面是异常结束，显示错误信息。

关键问题与解决方案

虽然目前智能体平台众多（最火的当然是 coze），但 Dify 凭借其开源特性脱颖而出。它可以自行部署，甚至可以放在与思源笔记同一台电脑上，通过局域网的 API 进行通信。发布后，Dify 的智能体将拥有一个特定的网址，可以通过手机浏览器访问。即使没有公网 IP，也可以借助内网穿透或异地组网来实现访问。

在大模型的选择上，我尝试了几个免费的模型，效果勉强能用，但偶尔会出现语义理解偏差的问题。这可能是因为我在说话时表达不够清晰，也可能是模型本身的局限性。提示词和参数还需要优化。

操作演示

具体操作非常简单：打开智能体的网址，在对话框中使用手机语音识别输入，点击发送按钮，口语化的日记内容就会被自动整理成书面语，并存储到思源笔记当中。从此，再也不用每天对着键盘敲敲打打了！

最后如果大家想注册火山引擎可以用我的邀请码 ～

DeepSeek 满血版免费领啦！邀请好友注册和使用，最高双方可获得 145 元代金券，免费抵扣 3625 万 tokens，畅享 R1 与 V3 模型！参与入口。邀请码：IQFXI23D